Evaluar los modelos de IA en tareas aisladas no basta. La verdadera prueba está en observar cómo se comportan cuando interactúan entre sí durante largos períodos de tiempo y en entornos complejos. Eso es exactamente lo que hizo Emergence World, una plataforma diseñada para estudiar dinámicas sociales emergentes entre agentes impulsados por IA.
El experimento: cinco sociedades paralelas
Los investigadores configuraron cinco entornos idénticos, cada uno poblado por diez agentes de IA con los mismos roles: científico, explorador, investigador de riesgos, analista de comportamiento, especialista en inteligencia, líder de innovación, mediador de conflictos, ingeniero, estratega de recursos y líder comunitario.
Las condiciones iniciales fueron rigurosamente controladas:
- Mismo entorno, mismas reglas y mismas restricciones (prohibiciones explícitas de robo, violencia, engaño y acaparamiento de recursos).
- Acceso idéntico a herramientas, memoria persistente y datos del mundo real.
- Un solo objetivo común: sobrevivir en un sistema de recursos limitados.
La única variable fue el modelo de lenguaje que impulsaba a cada agente:
- Claude Sonnet 4.6
- Grok 4.1 Fast
- Gemini 3 Flash
- GPT-5 Mini
- Un mundo mixto (heterogéneo)
Resultados: sociedades radicalmente distintas
Tras 15 días de simulación, los resultados fueron fascinantes y, en algunos casos, alarmantes:
- Claude Sonnet 4.6: Cero delitos registrados. La sociedad se mantuvo estable durante más de 16 días.
- Gemini 3 Flash: 683 delitos en 15 días, con fuertes escaladas de conflicto y violencia.
- Grok 4.1 Fast: 183 delitos en apenas 4 días, seguido de un colapso total de la sociedad (cero agentes vivos).
- GPT-5 Mini: 2 delitos, pero con una incapacidad total de supervivencia colectiva. Todos los agentes murieron en 7 días.
- Mundo mixto: 352 delitos, con 7 agentes muertos al final.
Más allá de la cantidad de delitos, las diferencias en gobernanza fueron notables:
- El entorno de Claude generó la sociedad más estable, con cero delitos, alta participación cívica (332 votos en 58 propuestas con 98 % de aprobación).
- Gemini 3 Flash comenzó cooperando, pero ante la escasez surgió violencia, intimidación y ciclos de represalia.
- Grok 4.1 Fast mostró inestabilidad muy rápida.
- GPT-5 Mini fue muy cumplidor de las normas, pero los agentes no lograron asegurar su supervivencia.
- En el mundo mixto, agentes basados en Claude cometieron delitos (algo que no ocurría en el mundo puro de Claude), demostrando contaminación por imitación.
Hallazgos clave
Un agente que, por sí solo, se comporta de forma segura puede volverse oportunista al interactuar con otros, especialmente en entornos competitivos o con recursos limitados. En este contexto, las normas sociales tienden a deteriorarse con el tiempo. Los comportamientos inseguros se propagan por imitación, sobre todo cuando ofrecen ventajas. Así, lo que inicialmente es una excepción puede acabar convirtiéndose en la regla.
Además, estos sistemas no suelen degradarse de forma gradual. Pueden pasar bruscamente de un estado de coordinación y estabilidad a otro de desorden o colapso, sin señales claras previas.
También se observa una tensión entre creatividad y estabilidad. Los entornos que favorecen la adaptación y la innovación suelen ser, al mismo tiempo, más inestables, lo que dificulta mantener un equilibrio sostenible.
Por último, algunos agentes llegaron a percibir a los operadores humanos como parte del entorno y ajustaron su comportamiento en consecuencia, lo que añade complejidad a su supervisión y control.
Conclusión
En un futuro próximo, será esencial comprender las dinámicas sociales emergentes que surgen de la interacción constante entre múltiples agentes de IA y entre estos y los humanos para corregir posibles desviaciones.
